基於腦影像的機器學習工具包PRoNTo介紹
機器學習的分析方法在神經科學領域引起了日益廣泛的關注。與傳統的單變數（univariate）的統計方法相比，機器學習方法是多元模式分析（MVPA,Multivariate pattern analysis），MVPA以神經群的激活模式作為解釋臨床現象的特徵，從而引入了更多的空間分布信息，為我們對腦內神經通路的理解提供了新的角度。
近年來，隨著機器學習、深度學習和大數據計算在計算機視覺、自然語言處理等領域的突破性進展，神經科學領域與機器學習的相結合的成果也在近十年里呈指數式增長。主要集中在：（1）對認知現象、狀態（mental state）的神經機制解碼（mind reading），例如利用腦內神經活動信息預測疼痛的程度【1】；（2）個體層面的診斷與預測，例如利用腦內結構信息預測阿爾茲海默氏症的病人可達86%-96%的正確率【2】。
機器學習在神經科學領域的應用仍有很大的空白，其在疾病診斷、個體化治療、神經解碼等問題的研究中都蘊含巨大的潛力。然而，由於機器學習模型的演算法和實現需要較強的數學基礎及編程能力，友好、靈活的工具包顯的尤為重要。目前較成熟的工具包主要有：（1）基於AFNI的3dsvm；（2）基於Matlab的MVPA toolbox；Python環境下腳本形式的（3）PyMVPA和（4）Sci-kit Learn，以及具備Matlab圖形界面的（5）PROBID和（6）ProNTo。其中ProNTo（Pattern Recognition for Neuroimaging Toolbox）功能全面，基於SPM函數庫。SPM開發團隊成員Christophe Philips 教授參與開發，具有很強的可操作性。Christophe Philips教授即將在七月來深圳授課，想與他深入交流的讀者請在文章最後點擊UCL神經影像中心SPM暑期課程看具體課程信息。
- 圖片來自參考文獻3
目前，ProNTo可用於分析結構MRI、功能MRI、PET等多模態的MVPA分析，接收常規的NIFTI數據輸入格式，並對於使用者無任何編程能力要求。我們將借用在Christophe Philips教授的文章中的例子，介紹ProNTo可解決的問題，希望會對讀者們有所啟發：
問題1：是否可以利用MVPA找到與任務相關的腦區？
下圖表示了利用不同機器學習模型（GP:Gaussian Process和SVM:support vector machines）所識別出來的視覺任務中（識別人臉或房子）的激活模式，其中Fusiform作為人臉識別相關的功能區域，表現了很強的差異。同時，ProNTo還返回了數據分布圖及混淆矩陣（confusion matrix），方便使用者理解及報告分析結果。
- 圖片來自參考文獻3
問題2:那些特徵在區分不同組別時更加重要？
如果將正常人和阿爾茲海默氏症病人的結構磁共振數據放入ProNTo作為機器學習特徵並用於訓練分類模型，結果圖下圖所示。與傳統的方法結果一致，海馬體在SVM模型中表現了更高的貢獻。
- 圖片來自參考文獻3
本文僅列舉了機器學習在神經科學領域的初步應用，歡迎感興趣的讀者留言回復深入討論。ProNTo共同開發者ChristophePhilips將於今年七月親自來華授課，並與VBM團隊成員Christian Lambert博士，DCM團隊成員Ryszard Auksztulewicz博士共同為大家帶來最新的科研進展及論文寫作經驗，點開「閱讀全文」即可看到課程信息。更多信息記得關注「么么大腦memebrain」公眾號，歡迎留言感興趣的其他神經科學領域的話題，主頁君會陸續推出新工具包介紹、文章精讀。
參考文獻：
【1】Wager, T.D., Atlas,L.Y., Lindquist, M.A., Roy, M., Woo, C.W., Kross, E., 2013. An fMRI-basedneurologic signature of physical pain. N Engl J Med 368, 1388-1397.
【2】Vemuri, P., Gunter,J.L., Senjem, M.L., Whitwell, J.L., Kantarci, K., Knopman, D.S., Boeve, B.F.,Petersen, R.C., Jack, C.R., 2008. Alzheimer"s disease diagnosis in individualsubjects using structural MR images: Validation studies. NeuroImage 39, 1186-1197.
【3】Schrouff, J., Rosa,M.J., Rondina, J.M., Marquand, A.F., Chu, C., Ashburner, J., Phillips, C.,Richiardi, J., Mourao-Miranda, J., 2013. PRoNTo: pattern recognition forneuroimaging toolbox. Neuroinformatics 11, 319-337.
TAG:機器學習 |